電子發(fā)燒友網(wǎng)報道（文/李彎彎）不久前，以色列公司POLYN宣布推出語音處理Tiny AI芯片NeuroVoice，成為第一個在超低功耗模擬神經(jīng)形態(tài)芯片內(nèi)實現(xiàn)語音檢測(VD)和語音提取(VE)組合的公司。今年4月，POLYN就宣布其該芯片成功封裝和評估。

POLYN成立于2019年，總部位于以色列。POLYN提供超低功耗、高性能的神經(jīng)形態(tài)模擬信號處理（NASP）技術(shù)、IP和基于NASP的Tiny AI芯片，能夠支持廣泛的邊緣人工智能應(yīng)用，包括可穿戴設(shè)備、工業(yè)4.0、互聯(lián)健康、智能家居等。

POLYN公司的Tiny AI解決方案

如今人工智能正加速從云端走向邊緣，進入到越來越小的物聯(lián)網(wǎng)設(shè)備中。在終端和邊緣側(cè)微處理器上實現(xiàn)的機器學(xué)習(xí)，被稱為微型機器學(xué)習(xí)，即Tiny AI（也被稱為TinyML）。準(zhǔn)確說，Tiny AI是指在mW功率范圍以下的設(shè)備上，實現(xiàn)機器學(xué)習(xí)的方法、工具和技術(shù)。

當(dāng)前，物聯(lián)網(wǎng)設(shè)備日益普及。在資源受限設(shè)備上運行機器學(xué)習(xí)模型的能力，為許多新的可能性打開了大門。一個很好的例子是具有心率(HR)跟蹤和人體活動識別(HAR)的可穿戴設(shè)備，其中PPG/IMU傳感器不斷生成數(shù)據(jù)，其處理會消耗大量電池電量。

POLYN公司的一位高管表示，潛在客戶對可穿戴設(shè)備的測量不準(zhǔn)確和電池壽命短持謹慎態(tài)度。這些情況發(fā)生是因為可穿戴設(shè)備中最常見的當(dāng)前實現(xiàn)是基于算法計算，這些算法計算耗能大且無法真正準(zhǔn)確。戒指形式的可穿戴設(shè)備是一個可行的選擇，但現(xiàn)在很少有這樣的智能戒指模型可以真正戴在手指上。對于這種形式，降低功耗至關(guān)重要，并且需要新型硬件。

POLYN的神經(jīng)形態(tài)模擬信號處理器技術(shù)（NASP）是一種Tiny AI解決方案，旨在優(yōu)化原始數(shù)據(jù)并減少CPU負載和轉(zhuǎn)發(fā)到云的數(shù)據(jù)量。NASP技術(shù)以前所未有的低功耗、小尺寸和低延遲為傳感器設(shè)備提供真正的AI。通過感知模擬信號和數(shù)字信號，為各種傳感器增加智能。

根據(jù)POLYN介紹，公司的NASP技術(shù)利用了一個獨特的平臺，該平臺將經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)作為輸入，并使用數(shù)學(xué)建模將神經(jīng)網(wǎng)絡(luò)合成為真正的神經(jīng)擬態(tài)芯片。NASP芯片使用模擬電路，其中神經(jīng)元使用運算放大器實現(xiàn)，而軸突則由薄膜電阻器實現(xiàn)。

POLYN公司此次宣布推出的NeurorSense芯片采用55nm CMOS技術(shù)實現(xiàn)。據(jù)介紹，當(dāng)它充當(dāng)邊緣信號傳感器，能夠使用神經(jīng)擬態(tài)計算處理原始傳感器數(shù)據(jù)，而無需對模擬信號進行任何數(shù)字化。出于這個原因，該公司將其稱為第一款無需模數(shù)轉(zhuǎn)換器(ADC)即可直接在傳感器旁邊使用的神經(jīng)擬態(tài)模擬TinyML芯片。

神經(jīng)形態(tài)芯片的優(yōu)勢

對于執(zhí)行真正始終在線測量的設(shè)備，神經(jīng)形態(tài)模擬信號處理是一個理想的解決方案，與傳統(tǒng)算法相比，它具有100uW的超低功耗和兩倍的精度。

20世紀80年代，科學(xué)家設(shè)想將人類大腦的功能映射到硬件上，即直接用硬件來模擬人腦結(jié)構(gòu)，這種方法稱為神經(jīng)擬態(tài)計算，這類硬件被稱為神經(jīng)擬態(tài)芯片。經(jīng)過近40年發(fā)展，神經(jīng)擬態(tài)芯片相繼問世。

傳統(tǒng)人工智能主要以計算，即通過編程等手段實現(xiàn)機器智能。其中深度學(xué)習(xí)是目前廣泛應(yīng)用的技術(shù)之一，2006年左右，深度學(xué)習(xí)技術(shù)進入大眾視野。它通過添加多層人工神經(jīng)網(wǎng)絡(luò)，賦予機器視覺、語音識別以及自然語言處理等方面的能力。

北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授黃鐵軍此前在接受媒體采訪的時候表示，盡管深度學(xué)習(xí)有人工神經(jīng)網(wǎng)絡(luò)的加持，但通過計算實現(xiàn)智能的影子并未消失。只不過與傳統(tǒng)計算相比，深度學(xué)習(xí)的算法模型發(fā)生了變化，實現(xiàn)的物理載體依然是計算機。

而與深度學(xué)習(xí)采用的多層人工智能神經(jīng)網(wǎng)絡(luò)不同，神經(jīng)擬態(tài)計算構(gòu)造的是脈沖神經(jīng)網(wǎng)絡(luò)，通過模擬生物神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能。它本身就是能處理信息的載體，不再依賴于計算機。神經(jīng)擬態(tài)計算是探索實現(xiàn)人工智能的新范式。在信息處理方面，現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)處理的是相對靜態(tài)的、固定的信息，脈沖神經(jīng)網(wǎng)絡(luò)則適合處理與時空高度相關(guān)的復(fù)雜信息流。

通過模仿生物神經(jīng)網(wǎng)絡(luò)實現(xiàn)機器智能是一條十分重要的研究路線，未來它甚至有可能突破生物智能的天花板。盡管生物神經(jīng)網(wǎng)絡(luò)是一個慢速系統(tǒng)，每秒鐘能產(chǎn)生的神經(jīng)脈沖數(shù)量只有十幾個，生物獲取和處理的信息量也處于較低水平，但一旦將生物神經(jīng)網(wǎng)絡(luò)電子化，其處理信息的能力將比被模擬的生物大腦高出多個數(shù)量級。